【独自調査】AI時代、リライトすべきは「順位が低い記事」だけではない

SEO上位のURL6,755件を分析。「SEO機会 × AIO取りこぼし × 改善余地」の判断軸で1,445件の高優先度リライト候補を抽出

株式会社ＥＸＩＤＥＡ

2026年7月22日 10時00分

株式会社ＥＸＩＤＥＡ（本社：東京都中央区、代表取締役：小川卓真）は、検索順位データ、Google AI Overview（以下、AIO）の引用データ、記事構造ラベルを組み合わせ、AI時代のリライト対象の選び方を分析した結果を公表します。

従来、リライト対象は「順位が低い記事」「流入が落ちた記事」「古くなった記事」を中心に選ぶのが一般的でした。しかしAIOが検索結果に組み込まれた現在、順位だけでは見落とす改善対象があります。それが、検索ではすでに上位にいるのに、AIOでは引用を取りこぼしている記事です。

本調査の対象は、SEOの Top10に表示され、本文構造ラベルが付与されたURL6,755件です。

今回の分析においては、対象URL6,755件から、AIO取りこぼしがあるURL4,307件、取りこぼし率50%以上のURL3,977件へ絞り、さらにコンテンツ改善余地の上位25%にあたる1,445件を最終候補としました。これは分析サンプルの21.4%です。

本調査結果の要旨

AI時代のリライト対象は、検索順位だけでは決まりません。SEO上の露出機会がありながらAIOを取りこぼし、かつコンテンツに改善余地がある記事を優先する必要があります。

リライトの判断軸を「順位」から、SEO機会 × AIO取りこぼし × 改善余地へ広げることが重要です。

調査の概要

項目	内容
調査対象	SEO Top10に表示され、本文構造ラベルが付与されたURL
分析対象URL数	6,755 件
使用データ	検索順位、AIO引用状況、記事構造ラベル
優先度の３軸	SEO機会 × AIO取りこぼし × コンテンツ改善余地
最終候補の定義	AIO取りこぼしあり → 取りこぼし率50%以上 → 改善余地上位25%
最終候補数	1,445件（分析サンプルの21.4%）
主な分析	候補の絞り込み、SEO順位帯×AIO取りこぼし帯の比較、構造欠落率の比較
補助モデル	AIO採択予測モデル（テストAUC 0.628）。優先順位付けの補助指標として使用
調査主体	株式会社EXIDEA

1. リライト対象は「順位が低い記事」だけではない

従来のSEOでは、順位が低い記事や流入が落ちた記事を見つけ、検索順位を上げるためにリライトするのが基本でした。

今回の分析では逆の見方をしています。すでにSEO Top10に入っている記事の中から、AI露出を取りこぼしている記事を探しました。

図1：AI向けリライト候補の絞り込みフロー。6,755URLから、AIO取りこぼしと改善余地を重ねて1,445URLを最終候補とした。

まず、AIO取りこぼしが1件でもあるURLは4,307件でした。そこから、取りこぼし率が50%以上のURLに絞ると3,977件。さらに、コンテンツ改善余地の上位25%を残すと、最終候補は1,445件になりました。

この1,445件のURLは、本分析の定義上、「検索では露出機会がある」「AIOの取りこぼしが大きい」「構造改善の余地が大きい」を同時に満たす記事です。

つまり、AI時代には「順位が悪いから直す」だけでは不十分です。検索ではすでに成果が出ているのに、AIでは露出を取りこぼしている記事も、リライト対象として見る必要があります。

なお、最終候補は本分析のルールにもとづく抽出結果です。実際のリライト優先度を決める際は、事業KPI、流入規模、CVへの寄与、更新コストなども別途考慮する必要があります。

2. SEO上位でも、AIO取りこぼしは起きていた

リライト候補は、Top10の中でも下位の記事だけに偏っているのでしょうか。SEO最良順位帯とAIO取りこぼし率を重ねて確認しました。

図2：SEO最良順位帯とAIO取りこぼし率帯のURL数。最下段は取りこぼし率50%以上で、括弧内は最終候補数。

取りこぼし率50%以上のURLは、1〜3位帯に1,089件、4〜6位帯に1,223件、7〜10位帯に1,665件ありました。

その中で最終候補になったのは、1〜3位帯で361件、4〜6位帯で461件、7〜10位帯で623件です。

重要なのは、検索1〜3位の記事にも高優先度候補が存在したことです。「上位だからリライト不要」という判断は、AIOの露出機会を見落とす可能性があります。

ただし、図2は各セルのURL数を示したものであり、順位帯ごとのAIO取りこぼし率そのものを比較した図ではありません。順位帯ごとに母数が異なるため、「7〜10位ほど取りこぼしやすい」とはこの図だけでは言えません。ここで見るべきなのは、上位順位帯にも候補が存在するという点です。

3. リライト優先度は「SEO機会 × AIO取りこぼし × 改善余地」で決める

検索順位とAIO引用を別々に見るだけでは、改善対象の優先順位は決まりません。本分析では、次の3軸を同じURL単位で重ねました。

判断軸	何を見るか
SEO機会	Top10に入っているクエリ数や最良順位。すでに検索で露出できる機会を持っているかを見る。
AIO取りこぼし	SEO上位クエリのうち、同じクエリでAIOに引用されていない度合いを見る。
コンテンツ改善余地	AIOに引用されやすい構造をどれだけ満たしていないかを、予測スコアや記事構造ラベルから見る。

判断軸

何を見るか

SEO機会

Top10に入っているクエリ数や最良順位。

すでに検索で露出できる機会を持っているかを見る。

AIO取りこぼし

SEO上位クエリのうち、同じクエリでAIOに引用されていない度合いを見る。

コンテンツ改善余地

AIOに引用されやすい構造をどれだけ満たしていないかを、予測スコアや記事構造ラベルから見る。

この3軸を重ねることで、単に「順位が低い記事」ではなく、すでに検索上の機会があるのにAI露出を取りこぼし、しかも直す余地がある記事を抽出できます。

よって、以下の基準でリライトの優先度を判断するのが適当です。

リライト優先度＝ SEO機会 × AIO取りこぼし × コンテンツ改善余地

なお、AIO採択予測モデルはこの判断を補助するために使用しています。テストAUCは0.628であり、モデル単独で個別URLの採否を断定できる精度ではありません。あくまで、SEO機会と取りこぼし状況に「改善余地」という補助線を加えるための指標です。

4. 高優先度のリライト候補に多かったのは、「AIが答えを取り出しにくい構造」

では、最終候補のURL 1,445件には、どのような改善テーマが多かったのでしょうか。AIO引用ありのポジティブ群3,824件のURLと比べ、各構造要素が欠けている割合を確認しました。

図3：最終候補（N=1,445）とAIO引用あり群（N=3,824）の構造欠落率比較。差が大きい項目ほど、候補群で不足が集中している。

差が特に大きかったのは、次の要素です。

不足している要素	最終候補	AIO引用あり群	差分
簡潔な定義セクションがない	82.8%	32.2%	+50.6pt
実践的アドバイスがない	75.3%	29.7%	+45.6pt
サブトピックの網羅が弱い	83.6%	38.5%	+45.1pt
まとめ・結論セクションがない	87.9%	47.0%	+40.9pt
冒頭で直接回答がない	86.4%	49.2%	+37.2pt

候補群で目立ったのは、単に文字数が少ないことではありません。短い定義、冒頭の直接回答、実践的な助言、関連トピックの網羅、結論の整理など、AIが答えを抽出しやすく、ユーザーが次の行動を判断しやすい構造が不足していました。

一方、この比較では「著者情報がない」の差は+7.7pt、「専門資格・肩書きがない」は+5.6ptでした。「段落が長すぎる」は-1.0ptで、ほぼ差がありません。これらの要素が一般に重要でないという意味ではありませんが、少なくとも今回の候補群を改善する際、差が大きかった優先テーマは別にありました。

また、この構造比較は「なぜAIOに引用されなかったか」を独立に証明する因果分析ではありません。最終候補の抽出自体にコンテンツ改善余地を使っているため、図3は原因の証明ではなく、候補群に集中する改善テーマの可視化として扱う必要があります。

5. SEO担当者が変えるべきは、リライトの「選び方」

AI Overview時代に変えるべきなのは、リライトの書き方だけではありません。最初に変えるべきなのは、どの記事から直すかという選定方法です。

従来の優先対象	AI時代に追加する優先対象
検索順位が低い	検索上位なのにAIOを取りこぼしている記事
記事流入が落ちた	AIO取りこぼし率が高い記事
記事情報が古くなった記事	回答・定義・実務情報・網羅性などに改善余地がある記事

実務では、次の順序で見ると整理しやすくなります。

手順	確認すること
1	SEO Top10の記事と、その記事が上位表示されているクエリを整理する。
2	同じクエリでAIOに引用されているかを確認する。
3	複数クエリを持つURLは、AIO取りこぼし率を確認する。
4	SEO機会があり、取りこぼしが大きい記事を優先候補にする。
5	簡潔な定義、直接回答、実践的アドバイス、サブトピック網羅、結論などの不足を点検してリライトする。

すでにSEO上位の記事は、検索エンジンから一定の評価を得ている既存資産です。その資産の中からAI露出の取りこぼしを見つけることは、ゼロから新記事を作るのとは異なる改善機会です。

結論：「負けている記事を直す」から、「勝っているのにAI露出を取りこぼす記事を直す」へ

本分析では、SEO Top10に表示されたURL6,755件を対象に、検索順位、AIO引用状況、コンテンツ改善余地を重ねました。その結果、本分析の定義では1,445件のURLが高優先度のリライト候補として抽出されました。

さらに、検索1〜3位帯にも361件の最終候補が存在しました。検索順位が高いことと、AIOで十分に引用されていることは同じではありません。

SEO担当者は今後、「順位を上げるためのリライト」だけでなく、「検索では勝っているのに、AIでは取りこぼしている記事を見つけて直す」という視点を持つ必要があります。

EmmaToolsについて

EmmaToolsは、SEOコンテンツの制作・分析・改善を支援するオールインワンSEOツールです。検索順位や検索意図を踏まえたコンテンツ改善に加え、AI検索時代に必要な記事構造の見直しを支援します。

「どの記事からリライトすべきか決めきれない」「SEOでは上位なのにAIOで引用されているかわからない」「既存記事をAI時代向けにどう改善すべきか整理したい」といった課題がある場合は、検索順位だけでなく、AIOの取りこぼしとコンテンツ改善余地をあわせて確認することが重要です。

お問い合わせ

EmmaToolsに関するお問い合わせ・資料請求はこちらから受け付けております。

・EmmaToolsサービスサイト：https://emma.tools

・株式会社ＥＸＩＤＥＡお問い合わせ： https://exidea.co.jp/contact

注記

本分析は、AI時代のリライト候補を選ぶための優先順位付けの枠組みを示すものであり、因果推論ではありません。
最終候補1,445URLは、「AIO取りこぼしあり」「取りこぼし率50%以上」「コンテンツ改善余地上位25%」という本分析上の定義によるものです。実務上の優先順位は、事業KPI、流入、CV、更新コストなども含めて判断する必要があります。
AIO採択予測モデルのテストAUCは0.628であり、モデル単独で個別URLのAIO採択可否を断定するものではありません。
図2はURL数の分布を示したものであり、順位帯ごとのAIO取りこぼし率を比較したものではありません。
図3の構造比較は、候補群の改善テーマを可視化するための比較です。候補抽出にコンテンツ改善余地を用いているため、独立した因果検証ではありません。
記事構造ラベルは自動判定を含むため、一部に判定誤差が含まれる可能性があります。
検索順位やAIOの表示・引用は、時期、ユーザー環境、クエリ、アルゴリズム更新によって変動する可能性があります。